事件梗概
2026 年中，全球 AI 浪潮推高了晶片與資料中心需求。南韓三星電子、SK 海力士市值雙雙破兆美元，晶片部門員工迎來近 40 萬美元平均獎金——表面上看是勞工的大勝利。但這份紅利分配極度不均：大企業內部員工、尤其是資深職位獲益豐厚，而外包商、中小企業、以及最關鍵的年輕求職者被完全隔絕在外。
遠在歐洲的瑞士金融中心也在經歷類似陣痛。根據求職平台 jobs.ch 對 730 萬則職缺的分析，隨著企業加速採用生成式 AI，瑞士初階職缺廣告數量已明顯低於 2023 年以前的水準。這不是職位總數減少，而是招募方向的系統性轉變：企業開始傾向招聘資深工作者，而非新手。
現象背後的邏輯
表面上，AI 應該是「升級工具」——讓初階人員用更好的工具做得更好。為什麼企業反而選擇「砍掉初階職位」而非「升級初階工作者」？
答案藏在經濟學的冷冰邊界：當新技術明顯提升高階工作效率時，企業的最短路徑是「用資深人+AI」取代「用初階人培養」。 原因有三。
第一，成本的不對稱。 南韓、瑞士都是高工資國家。一個初階員工需要 3-5 年培養才能獨立做複雜工作，期間工資、福利、管理成本累積可觀。現在，用一個資深工作者搭配 AI 工具，可以在 6 個月內達到原來需要 3 人的產能。企業的選擇很清楚：砍初階職位、把預算砸在資深職位的獎金上，然後用 AI 讓他們每人做 3 個人的活。
第二，風險的不對稱。 培養一個初階員工是投資，收益在未來；而 AI 提升資深員工效率是立竿見影。在不確定性高的時代，企業天然傾向選後者。南韓工會能從三星、SK 海力士那邊撈到 40 萬美元獎金，正是因為他們談的對象是「已證明有價值的資深員工」，不是「潛力未知的新人」。
第三，資歷偏誤的自我強化。 一旦初階職位稀缺，企業招聘時的門檻自動抬高——"現在有資深人應徵，我就別養新人了"。這形成惡性循環：沒人招新人 → 新人無法積累經驗 → 未來資深人才嚴重短缺 → 5 年後企業被迫高薪挖角。
人才梯隊的坍塌
瑞士的數據尤其觸目驚心。初階職缺的消失不是總體失業，而是一種職業階級的「破裂」。想像一棟樓的下幾層全被挖空：中層與資深層仍在忙碌，但沒人負責地基修繕、沒人從基層往上爬。
長期後果最少有三個：
1. 人才來源枯竭：資深工作者最多再幹 10-15 年就退休。當初階職位已消失、他們身後沒有接班人，企業只能用「天價挖角」或「人工智能完全替代」才能維持。
2. 隱性技能喪失：許多行業的核心競爭力不在文件或公式，而在於師徒相傳的「直覺」——如何判斷機器出故障、如何跟客戶談判、如何在模糊情境下做決策。如果沒有新人在旁邊偷學，這些技能會在一代人內消失。
3. 社會流動性斷裂：對底層家庭出身的年輕人來說，初階工作是唯一的躍升通道。當這道門關閉，貧富分化會加速固化。南韓與瑞士都是發達國家，初階職缺消失對他們尚能扛；若同樣現象發生在發展中國家，社會衝突會更激烈。
為什麼這不是簡單的「技術進步」
Accemoglu 與 Restrepo 在《AI 與未來工作》中區分了兩種技術：輔助型技術（complementary） 和 替代型技術（substitutive）。輔助型技術讓工作者做得更好；替代型技術讓他們失業。
AI 在初階職位上傾向於替代型，因為初階工作的特徵本身就容易被標準化——重複性高、決策規則相對明確。而在資深職位上，AI 更傾向輔助型，因為資深工作涉及大量模糊判斷、經驗積累、人脈。
企業不是「被迫」選擇砍初階職位，而是在成本與風險的計算下，主動選擇這條路。這不是技術的錯，而是制度與激勵結構的錯。
隱藏的時間炸彈
南韓與瑞士現在嘗到 AI 紅利的甜頭。但 5 年後呢？當資深工作者開始老齡化、沒有新人可接班時，企業會發現：自己用短期的「資歷偏誤」招聘政策，換來了長期的人才危機。到時候，他們只能用更高的薪水、更激進的自動化，或者外移到有年輕人力的國家，試圖彌補這個洞。
這也是為什麼日本在 1990 年代後期開始面臨「失落的三十年」：企業在高效率追求下，砍掉了大量初階職位和學徒制度，導致人才梯隊斷裂，最後被迫依賴移民和機器人才能維持產業。